Apache Pulsar之与Apache Kafka的异同——标准队列和流

消息模型是用户在选择流消息系统时应该考虑的第一件事。消息传递模型应该涵盖以下3个领域：

• 消息消费：如何分发和消费消息
• 消息确认：如何确认消息
• 消息存储：消息保留多长时间，消息删除的触发机制，如何删除

消息消费方式

在现代实时流架构中，消息传递案例可以分为两类：队列和流。

• 队列

队列是无须的或共享的消息。使用队列消息传递，可以创建多个消费者来从点对点消息传递通道接收消息。当通道传递消息时，任何消费者都可能收到消息。消息传递系统的实现确定哪个消费者实际接收消息。

Queuing通常与无状态应用程序一起使用。无状态应用程序不关心顺序，但它们确实需要识别或删除单个消息的能力，以及尽可能扩展并行消耗的能力。典型的基于队列的消息传递系统包括RabbitMQ和RocketMQ。

• 流

相比之下，流是严格有序的或独占的消息传递。使用流消息传递，始终只有一个消费者使用消息传递通道。消费者接收从通道发送的消息，其顺序与消息的写入顺序一致。

Streaming通常与有状态的应用程序一起使用。有状态应用程序关心消息顺序及其状态。消息的顺序决定有状态应用程序的状态。当发生无序消费时，排序将影响应用程序，需要处理逻辑的正确性。

 

在面向微服务或事件驱动的体系结构中，流和队列都是必要的。

Pulsar的模型

Pulsar将Queuing和Streaming统一为一个统一的消息模型：producer-topic-subscription-consumer。主题是发数据的通道。每个主题分区都基于存储在Apache BookKeeper中的分布式日志。发布者发布的每条消息只在一个主题分区上存储一次，复制到多个bookies (BookKeeper服务器)上存储，消费者可以根据需要多次使用。

Topic是消费数据来源。尽管消息只在主题分区上存储一次，但是可以使用不同的方式使用这些消息。

消费者被分组在一起消费消息。每一组消费者相当于一个subscription 在一个topic。每个使用者组都可以使用自己的方式来消费、独占、共享或failover，在不同的使用者组中消费方式可能是不相同的。这将队列和流结合在一个模型和API中，它的设计和实现的目标是不影响性能和节省成本开销，同时也为用户提供了很大的灵活性，以最适合当前用例的方式使用消息。

• Exclusive subscriptions (streaming)

顾名思义，在任何给定时间，订阅(使用者组)中只能有一个使用者使用主题分区。下面的图1演示了一个独占订阅的示例。有一个活动消费者A-0与订阅a。消息m0到m4按顺序交付，并由A-0使用。如果另一个消费者A-1希望附加到订阅A，则不允许这样做。

• Failover subscriptions (streaming)

使用故障转移订阅，多个使用者可以附加到同一个订阅。但是，对于给定的主题分区，将选择一个使用者作为该主题分区的主使用者。其他使用者将被指定为故障转移使用者。当主使用者断开连接时，分区将被重新分配给一个故障转移使用者来使用，而新分配的使用者将成为新的主使用者。当这种情况发生时，所有非压缩消息都将传递给新的主用户。这类似于Apache Kafka中的用户分区再平衡。

• Shared subscriptions (queuing)

使用共享订阅，您可以在同一个订阅上附加任意数量的使用者。消息在多个消费者之间以循环分发的方式传递，任何给定的消息都只传递给一个消费者。当使用者断开连接时，所有传递给它但未被确认的消息都将被重新调度，以便发送给订阅时仍然存在的使用者。图3演示了一个共享订阅。消费者C-1、C-2和C-3都使用同一主题分区上的消息。每个消费者收到约三分之一的消息。

 如何选择Queuing和Streaming

Exclusive 和 Failover每个主题分区只允许一个使用者，按分区顺序消费，适用于Streaming。Shared允许每个主题分区有多个使用者。同一订阅中的每个使用者只接收发布到主题分区的消息的一部分。Shared适用于Queuing，这些用例不需要订购，并且消费者数量可以大于分区数量。

一个Subscription相当于Kafka中的一个消费者组，subscriptions 高可用且简单，可以根据需要创建任意数量的订阅。同一主题的不同订阅不必具有相同的订阅类型。这意味着您可以在同一个主题上拥有一个包含10个使用者的故障转移订阅和一个包含20个使用者的共享订阅。如果共享订阅处理事件较慢，则可以在不更改分区数量的情况下向共享订阅添加更多使用者。图4描述了一个包含3个订阅(a、B和C)的主题，并说明了消息如何在系统中从生产者流向消费者。

除了统一消息传递API之外，由于Pulsar主题分区实际上是存储在Apache BookKeeper中的分布式日志，所以它还提供了一个reader API(类似于consumer API，但没有offset管理)，以便用户完全控制如何使用消息。

消息确认

当使用跨机器分布的消息传递系统时，可能会发生故障。在消息传递系统中使用来自主题的消息的使用者的情况下，消费消息的消费者和服务于主题分区的消息代理都可能失败。故障发生到恢复之后，消费者可以从发生故障的地方继续消费，这样不会丢数据，也不会重复消费。在Kafka中，恢复的地方通常称为偏移量，恢复的过程被称为消息确认或提交偏移量。

Pulsar中，游标（cursor）用于跟踪每个订阅的消息确认。每当消费者对主题分区上的消息进行ack时，游标就会更新。可以确保使消费者不会重复消费。然而，游标不像Apache Kafka中那样是简单的偏移量。游标要多得多。

Apache Pulsar有两种方法可以确认消息，单独确认ack或累积确认消息。通过累积确认，消费者只需要确认它收到的最后一条消息。主题分区中的所有消息（包括）提供消息ID将被标记为已确认，并且不会再次传递给消费者。累积确认与Apache Kafka中的偏移更新实际上相同。

Apache Pulsar的区别特征是能够单独进行ack，即选择性acking。消费者可以单独确认消息。Acked消息将不会被重新传递。图5说明了ack个体和ack累积之间的差异（灰色框中的消息被确认并且不会被重新传递）。在图的顶部，它显示了ack累积的示例，M12之前（包括M12）的消息被标记为acked。在图的底部，它显示了单独进行acking的示例。仅确认消息M7和M12 - 在消费者故障的情况下，除了M7和M12之外，将重新传送所有消息。

独占或故障转移订阅的消费者能够单独或累积地发送消息; 而共享订阅中的消费者只允许单独发送消息。单独确认消息的能力提供了处理消费者故障的更好体验。对于某些应用程序来说，防止重新传送已经确认的消息是非常重要的，因为对于那些处理消息的应用程序可能需要很长时间或者资源。

选择订阅类型和确认方法的灵活性允许Pulsar在简单的统一API中支持各种消息传递和流式使用案例。

信息保留

与传统的消息传递系统相比，消息被确认后不会立即删除。Pulsar broker只在接收到消息确认时更新游标。消息只能在所有订阅都已使用之后删除(消息在其游标中被标记为已确认)。然而Pulsar还允许您保存消息更长的时间，即使所有订阅已经消费了它们。以上通过配置消息保留期来实现的。图6演示了消息保留在包含两个订阅的主题分区中的情况。订阅A已经使用了M6之前的所有消息，订阅B已经使用了M10之前的所有消息。这意味着M6之前的所有消息(在灰色框中)都可以安全地删除。订阅A仍然没有使用M6和M9之间的消息，无法删除它们。

如果一个主题分区配置了一个消息保留期，就算a和b已经消费了M0到M5的消息，但也在配置的时间段内保留。

 TTL

除了消息保留，Pulsar还支持消息存活时间(TTL)。如果在配置的TTL时间段内没有任何消费者使用消息，则消息将自动标记为已确认。消息保留和消息TTL的区别在于，消息保留适用于标记为已确认并设置为要删除的消息。保留是对主题应用的时间限制，而TTL则应用于未使用的消息。

因此，TTL是订阅的消费时间限制。上面的图6说明了Pulsar中的TTL。例如，如果订阅B的消费者没有消费，即使没有消费者真正读过消息，消息M10也会在配置的TTL时间段结束后自动标记为已确认。

Comparison（对比）

	Kafka	Pulsar
概念	生产者-主题-消费者/消费者组	生产者-主题-订阅-消费者
消费	更关注分区上的流和独占消息传递。没有共同的消费。	统一消息模型和API。 通过独占故障转移订阅进行流式传输 通过共享订阅队列
ACK	简单的offset管理 在Kafka 0.8之前，偏移量存储在ZooKeeper中 Kafka 0.8之后，偏移量存储在偏移量主题上	统一消息模型和API。 通过独占故障转移订阅进行流式传输 通过共享订阅队列
Retention	基于保留删除消息。如果使用者在保留期之前没有读取消息，则会丢失数据。	只有在所有订阅使用消息之后才会删除它们。没有数据丢失，甚至订阅的消费者也长时间处于下降状态。 即使在所有订阅都使用消息之后，也允许将消息保存一段已配置的保留期间。
TTL	支持	不支持

Apache Pulsar将高性能流(Apache Kafka追求的)和灵活的传统队列(RabbitMQ追求的)结合到一个统一的消息模型和API中。Apache Pulsar使用统一的API，为流媒体和排队提供了一个性能相同的系统。

小结

在这篇文章中，介绍了Apache Pulsar的消息模型，它将队列和流统一到一个API中。应用程序可以将此单一API用于高性能队列和流，而无需设置开销，例如RabbitMQ用于队列，Kafka用于流。